Modeling the “who” and “how” of social influence in the adoption of health practices
Notice bibliographique
Résumé
Family planning is heralded as one of the ten most significant contemporary public health achievements, yet it remains underutilized in countries, especially in Sub-Saharan Africa, that might most benefit from it. While substantial strides have been made to address supply-side barriers to modern contraceptive (MC) adoption in these regions, demand-side obstacles like personal or partner opposition are less understood. This study investigates the role of social influence in shaping MC demand in communities with low modern Contraceptive Prevalence Rates (mCPR). Using the Structured Influence Process (SIP) framework, we examine how an individual's social relations and exposure to persuasive messages, either in support of or opposition to MC use, jointly influence their decision to adopt or reject contraceptives. Using survey data from two different Kenyan communities, both exhibiting low mCPR but one relatively higher than the other, we observe that mere exposure to MC users or non-users during free-time interactions is insufficient to sway usage decisions. However, the combination of direct contact with contraceptive users and persuasive messages emerges as a potent force of influence. In the lower mCPR community, only a few types of persuasive messages are circulated, and they are all consistently influential in either encouraging or discouraging MC use. These messages primarily appeal to individuals’ desire to do what is “right” by emphasizing social validation and deference to trusted authorities, or their desire to do what is “liked” by reinforcing interpersonal bonds and reciprocal obligations. In the higher mCPR community, a broader range of persuasive messages effectively promote MC use; however, only those invoking social shame effectively discourage it. These findings highlight a crucial distinction between “prevalent vs. persuasive” messaging: While many persuasive messages may be prevalent (i.e., used often), only a subset are also persuasive. Recognizing which messages are merely pervasive versus those that are genuinely effective is vital for efficiently allocating resources to promote or counter MC use narratives. Leveraging research across network science and persuasion, this study contributes to a more comprehensive understanding of how social influence shapes contraceptive decision-making. • Empirically shows that network ties influence modern contraceptive (MC) use through explicit persuasive messages about MCs. • Exposure to MC users does not lead to MC adoption unless close friends and family actively discuss their MC use decisions. • In higher-prevalence communities, many persuasive message types circulate but only shame-based ones effectively deter MC use. • In lower-prevalence communities, fewer persuasive message types circulate but all effectively influence MC use and non-use.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,013 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».